周文晶
- 作品数：3 被引量：59H指数：3
- 供职机构：西门子中国研究院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：机械工程自动化与计算机技术更多>>
- 随机森林在滚动轴承故障诊断中的应用被引量：39
- 2018年
- 针对不同轴承数据特征选择困难和单个分类器方法在滚动轴承故障诊断中精度较低的问题,提出了一种基于分类回归树(CART)的随机森林滚动轴承故障诊断算法。随机森林是包含了多种分类器的集成学习方法。通过随机森林的"集成"思想来提高滚动轴承故障诊断的精度。从滚动轴承的振动信号中提取时域统计指标,将其作为特征向量,利用随机森林(Random Forest)对滚动轴承故障进行诊断。利用SQI-MFS实验平台的轴承数据,与传统分类器(SVM、k NN和ANN)以及单个分类回归树的诊断结果相比,随机森林算法具有比较高的诊断精度。
- 张钰陈珺王晓峰刘飞周文晶王志国
- 关键词：滚动轴承故障诊断特征提取
- 针对滚动轴承故障诊断的新时频特征提取方法被引量：4
- 2016年
- 针对滚动轴承的故障诊断,提出了一种基于词包模型和短时傅里叶变换的特征提取方法。根据轴承故障的产生机理,不同轴承的振动信号在频域上会有相应的能量分布规律,然而在实际现场中,信号干扰或者生产环境等因素会弱化这种规律性,使得在频谱上难以准确看到相应分布特征。当采用词包模型时,把每一时间帧下能量在频率维度上的分布看成一个单词,则每段信号就表示成了由各个单词组成的一篇篇文档,这就可以直接从数据的角度去揭示能量分布的这种规律性。然后,以词包模型处理后的结果作为特征向量,用SVM分类算法诊断出结果。最后用无锡某汽车生产线SQI-MFS实验平台和美国凯斯西储大学的轴承振动数据进行了实验,实验验证了该方法比时域特征(RMS)和时频域特征(WE&WEE)的诊断结果精确,可以在滚动轴承故障诊断领域展开应用。
- 陈俊杰王晓峰刘飞周文晶
- 关键词：故障诊断短时傅里叶变换SVM
- 基于深度自编码网络的轴承故障诊断被引量：17
- 2018年
- 在故障诊断领域,通常采用信号处理技术提取特征,然后将特征输入到故障分类器中进行故障识别。对于提取特征部分,采用信号处理技术可以使故障诊断取得较好的效果,但是仍然存在不足之处:一是人为提取的特征很大程度上依靠专业的诊断知识;二是绝大多数方法都需要使用标签数据来进行故障特征分类,其中标签数据必须通过大量的实验才可以得到。提出一种基于深度编码网络的轴承故障新型智能诊断方法,可以克服上述故障诊断中存在的缺陷。为了验证该方法的有效性,利用具有不同健康状况的大量滚动轴承测量振动信号数据进行测试,实验结果表明效果良好。
- 袁文军刘飞王晓峰周文晶
- 关键词：振动与波智能故障诊断特征提取轴承
